1、图像的灰度直方图求法为：
（1）先计算图像中各个灰度级的出现频率，用h（i）表示灰度级i的出现频率，其值等于灰度级出现次数/图像像素个数：
h（0）=2/16
h（1）=1/16
h（2）=3/16
h（3）=2/16
h（4）=0/16
h（5）=1/16
h（6）=4/16
h（7）=1/16
h（8）=1/16
h（9）=1/16
h（10）=h（11）=h（12）=h（13）=h（14）=h（15）=0/16。
然后以灰度级i为横轴，出现频率h（i）为纵轴即可绘制出图像对应的直方图。
（2）图像进行直方图均衡化处理的过程为：
先计算累积分布，用r(i)表示灰度级i的累积分布：
r（0）=h（0）=2/16
r（1）=r（0）+h(1)=2/16+1/16=3/16
r（2）=r（1）+h(2)=3/16+3/16=6/16
r（3）=r（2）+h(3)=6/16+2/16=8/16
r（4）=r（3）+h(4)=8/16+0/16=8/16
r（5）=r（4）+h(5)=8/16+1/16=9/16
r（6）=r（5）+h(6)=9/16+4/16=13/16
r（7）=r（6）+h(7)=13/16+1/16=14/16
r（8）=r（7）+h(8)=14/16+1/16=15/16
r（9）=r（8）+h(9)=15/16+1/16=16/16=1
r（10）=r（11）=r（12）=r（13）=r（14）=r（15）=1
将累积分布进行量化（量化时需要用到原始图像的灰度级数，这也是为什么前面需要说明的原因），量化后的灰度级用rq（i）表示，量化公式为rq(i)=ROUND(r(i)*15)，（说明：量化公式中的15等于原始图像灰度级数减1），可得：
rq(0)=ROUND(r(0)*15)=2
rq(1)=ROUND(r(1)*15)=3
rq(2)=ROUND(r(2)*15)=6
rq(3)=ROUND(r(3)*15)=8
rq(4)=ROUND(r(4)*15)=8
rq(5)=ROUND(r(5)*15)=8
rq(6)=ROUND(r(6)*15)=12
rq(7)=ROUND(r(7)*15)=13
rq(8)=ROUND(r(8)*15)=14
rq(9)=ROUND(r(9)*15)=15
rq(10)=ROUND(r(10)*15)=15
rq(11)=ROUND(r(11)*15)=15
rq(12)=ROUND(r(12)*15)=15
rq(13)=ROUND(r(13)*15)=15
rq(14)=ROUND(r(14)*15)=15
rq(15)=ROUND(r(15)*15)=15
因此，原始图像中的灰度级和均化后图像中的灰度级之间的对应关系为：
0->2
1->3
2->6
3->8
4->8
5->8
6->12
7->13
8->14
9->15
10->15
11->15
12->15
13->15
14->15
15->15
将原始图像中对应的灰度值按照上述对应关系替换成相应的灰度值，即可得到均化图像，结果如下：
3 8 13 8
6 12 2 12
14 6 12 8
15 6 12 2
（在电脑上直接做的，仅供参考。ROUND（.）表示四舍五入。）
...②对该图像进行直方图均衡化处理,写出过程和结果。
h（10）=h（11）=h（12）=h（13）=h（14）=h（15）=0\/16。然后以灰度级i为横轴，出现频率h（i）为纵轴即可绘制出图像对应的直方图。（2）图像进行直方图均衡化处理的过程为：先计算累积分布，用r(i)表示灰度级i的累积分布：r（0）=h（0）=2\/16 r（1）=r（0）+h(1)=2\/16+1\/16=...
写一段代码画出一个图像的灰度直方图(不能用MATLAB自带的imhist函数...
1、先求出给定图片的直方图。2、直方图均衡化处理的公式，其中，v和u分别代表图像的高和宽。3、为此，写出代码是：pic[i,j]=(255)\/(u*v)*sum(c[:int(img[i,j])])。4、均衡化的图片如下。5、画出均衡化图片的直方图。6、均衡化前后，图片对比一下。做图像减法：pic-img。
图像处理学习笔记(九)——灰度直方图及其均衡化(理论篇)
通过将图片分割，直方图可表示图片的局部信息，整体直方图则是所有局部直方图之和。图像直方图与均衡化直方图均衡化通过调整灰度级分布，使图像动态范围扩大，提高对比度。均衡化后，灰度级变少，但视觉效果可能增强，比如处理过暗或过亮区域。均衡化计算均衡化通过累积分布函数实现，例如，通过累积概率密度来调...
图像处理笔记2-直方图与直方图均衡化histogram equalization_百度知 ...
灰度直方图均衡化 对lena灰度图进行直方图均衡化，增强图像对比度。彩色直方图均衡化 对彩色图像通道分别均衡化，再合并，增强整体对比度。自适应直方图均衡化（AHE）关注局部区域，通过自适应直方图均衡化算法调整亮度分配，提升关键区域对比度，适用于不均匀像素分布图像。自适应直方图均衡化与全局直方图均衡化对...
图像的空间域处理之灰度直方图
直方图归一化，或直方图均衡化，是一种将图像灰度分布优化的处理方法，生成一幅分布均匀的新图像。注意，均衡后的直方图只是近似均匀，并非严格均匀。直方图归一化的目的是通过生成新图像，使得图像的特点表现为直方图均衡，从而优化图像，使其更适合理解。直方图归一化的原理源于《数字图像处理》冈萨雷斯第四版...
图像直方图均衡化详解
局部直方图均衡化可以通过将图像划分为小块，并对每个小块分别进行直方图均衡化来实现。此外，还可以采用局部自适应直方图均衡化，它以每个像素为中心，根据其周围局部区域对该像素进行直方图均衡化。为了减轻直方图均衡化过程中的过度增强和块效应，研究人员提出了限制对比度的直方图均衡化方法。这种方法在全局...
一、图像灰度变换和直方图
一、实验目的：理解图像增强的原理与应用，掌握图像直方图分析与灰度变换方法，包括直接灰度变换、直方图均衡化与规定化，以及在空域滤波中的平滑与锐化滤波。熟练运用 MATLAB 进行图像处理。二、实验条件与环境：配备PC计算机与MATLAB软件，包括图像处理工具箱。实验所需图片可自MATLAB自带素材库或自行准备。三...
Matlab图像处理系列——直方图均衡化和匹配(规定化)仿真
直方图均衡化通常在灰度范围为0-1且连续的情况下进行，原始图像的归一化直方图即概率密度函数PDF，描述了原始图像中不同灰度值的概率。通过概率密度函数的性质可知，直方图均衡化后，图像的灰度分布会更均匀。转换关系为s=f(r)，其中s为转换后图像的灰度值，r为转换前图像的灰度值。在处理[0 255]范围...
直方图均衡化示例程序
B）。最后，对原始图像的RGB分量进行灰度映射，每个像素的新值取自均衡后的灰度映射表。总的来说，这个程序的主要步骤包括：像素数据获取、灰度统计与分布计算、累计直方图生成，以及根据累计分布对像素进行灰度映射。这些操作旨在通过直方图均衡化，提高图像的视觉效果，使图像中的暗部和亮部细节更加明显。
直方图均衡化
这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景 噪声 的对比度并且降低有用 信号 的对比度。我们先来看看相应的直方图和累积直方图，然后使用 OpenCV 进行直方图均衡化。我们可以看出来直方图大部分在灰度值较高的部分，而且分布很集中。而我们希望直方图的分布比较分散，能够涵盖整个 x 轴...
